- 综合排序
- 最热优先
- 最新优先
- 来自专栏Devops专栏
11-SpringBoot整合Junit
11-SpringBoot整合Junit SpringBoot整合Junit 实现步骤 搭建SpringBoot工程 引入starter-test起步依赖 编写测试类 添加测试相关注解 @RunWith
32910编辑于 2022-03-23 - 来自专栏IT云清
(11)SpringBoot整合EhCache做缓存
在SpringBoot项目中整合EhCache做缓存，具体步骤如下： 1.pom.xml 我们在pom.xml中引入相关依赖： <!
1.8K10编辑于 2022-05-07 - 来自专栏csxiaoyao
系统学习javaweb-11-SSH整合
名称：SSH整合 版本说明： struts - 2.3.4.1 spring - 3.2.5 hibernate - 3.6 【整合步骤】 1.
47610发布于 2019-02-20 迎接deepseek，助力企业整合AI
1、为toB/toG提供私有化部署AI大模型 从信息安全角度出发，需要将内部敏感数据发布到内部AI服务器使用。 2、定制化开发AI问答软件 3、将AI软件集成到传统业务系统中，提供AI问答，AI知识库能力，AI查询业务数据库能力。 4、站在风口，只等你来。
15310编辑于 2025-03-09- 来自专栏Happy的分享
【快学springboot】11.整合redis实现session共享
**springboot整合redis非常的方便，这也是springboot的宗旨，简化配置。这篇文章就教大家如何使用springboot整合redis来实现session共享。
40010编辑于 2024-02-02 - 来自专栏禅林阆苑
【博客同步】系统学习javaweb-11-SSH整合
系统学习javaweb-11-SSH整合 链接：https://csxiaoyaojianxian.github.io/javaweb_study05 名称：SSH整合 版本说明： struts - 2.3.4.1 spring - 3.2.5 hibernate - 3.6 【整合步骤】 1.
14100编辑于 2025-03-25 - 来自专栏小工匠聊架构
Spring Cloud【Finchley】-11Feign项目整合Hystrix监控
文章目录 概述 整合步骤 Step1.添加 spring-cloud-starter-netflix-hystrix Step2. Cloud【Finchley】-09Feign使用Hystrix 中介绍了，如何在使用Feign的项目中使用Hystrix, 现在来探讨下如何在使用Feign的项目中监控Hystrix. ---- 整合步骤
45230发布于 2021-08-17 - 来自专栏凯哥Java
spring boot框架学习11-spring boot整合redis
本章节主要内容： 主要从以下几个方面讲解： mybatis和spring boot整合、redis(单机版)和spring boot整合、redis(集群)和spring boot整合、httpclient 和spring boot整合、rabbitMQ和spring boot整合。 接下来我们学习第二小节：spring boot整合redis开启缓存 本文是《凯哥陪你学系列-框架学习之spring boot框架学习》中第十一篇 spring boot框架学习11-spring boot 整合redis 声明：本文系凯哥Java(www.kaigejava.com)原创,未经允许，禁止转载！ 本节主要内容： 1：解决上节spring boot整合mybatis访问的时候提示sql语句绑定异常 2：spring boot整合redis 一：spring boot整合mybatis异常处理 在上节
78610发布于 2019-07-01 - 来自专栏Happy的分享
【快学springboot】11.整合redis实现session共享
**springboot整合redis非常的方便，这也是springboot的宗旨，简化配置。这篇文章就教大家如何使用springboot整合redis来实现session共享。
60130发布于 2019-07-16 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
今天是9月11日星期四，让我们一起来看看今天 Ai Agent 带来的 AI 领域的重要动态吧！ *角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 *白板式界面*：团队可以像绘制白板草图一样映射跨企业系统的工作流 *流程与任务挖掘*：ServiceNow将这两种洞察整合到一个平台，帮助企业更好地理解工作执行方式 *多Agent流程*：虽然许多品牌目前仍在隔离环境中部署 AI Agent时嵌入运行时安全，为AI原生开发提供更可靠的安全保障。 *结构变革*：AI正在改变咨询公司的组织方式和服务模式 *价值重定位*：咨询顾问的角色正在从知识提供者转向AI工具的指导者和整合者 *新能力需求*：咨询公司需要培养新的技能组合，以有效利用AI技术 这一变革表明
33210编辑于 2025-09-17 - 来自专栏别先生
SpringBoot整合整合jsp、整合freemarker、整合Thymeleaf
1、SpringBoot整合整合jsp、整合freemarker、整合Thymeleaf。 artifactId> 56 </plugin> 57 </plugins> 58 </build> 59 60 </project> 2、SpringBoot整合 3、SpringBoot整合Freemarker。新增freemarker依赖启动器的坐标，注意freemarker也被封装成了一个启动器的。 1 <! 4、SpringBoot 整合Thymeleaf（重点掌握）。新增thymeleaf依赖启动器的坐标，注意thymeleaf也被封装成了一个启动器的。 1 <! --> 10 11
12 13 <!2.9K20发布于 2020-05-18 超级应用（Super Apps）整合多模态AI能力
多模态AI的整合方向 自然语言处理（NLP） 集成聊天机器人（如GPT-4）、语音助手等功能，支持用户通过文本或语音完成服务请求。 示例整合了语音识别、自然语言处理、图像识别等功能模块。 技术实现路径 开放平台与API网关 构建统一的AI能力中台，将多模态AI模块（如语音识别、OCR）封装为标准化API，供内部团队和第三方开发者调用。需设计低延迟、高并发的微服务架构。 动态负载均衡 针对AI服务的高算力需求，采用混合云部署，结合Kubernetes自动扩缩容。例如，腾讯云TI-Platform支持实时分配GPU资源处理峰值请求。 Grab的出行场景 通过AI预测乘客位置（GPS+历史数据）、动态定价（强化学习）、语音投诉处理（NLP），东南亚市场渗透率达75%。
24810编辑于 2026-01-20- 来自专栏祝威廉
大数据平台和AI平台应该如何整合
大数据和AI两者最核心的部分都是数据。大数据的主要工作是对数据进行各种转换和存储。而AI的主要工作是学习数据并且得出模型。 AI天然需要大数据的基础，因为AI需要各种形态的数据，而我们得到这些形态的数据，必然离不开大数据。就此而言，他们两个合在一起，才是一个完整的工作流。 所以大数据平台要和AI进行整合，有两个核心点： 数据的交换 统一的语言 无论进程内还是进程间，数据交换最高效的方式是通过 Apache Arrow。那么数据交换的问题算是有了一个标准。 统一的语言呢？ 配合MLSQL Console 系统，我们基本可以覆盖AI同学工作的大部分时间。 这些问题部分在下面的文章里得到解答： 祝威廉：Spark整合Ray思路漫谈（2） 总结一下，MLSQL Console提供了对Python单脚本，Python项目的支持，同时MLSQL 支持通过!
1.6K20编辑于 2022-07-21 - 来自专栏又见苍岚
Windows 11 体验 Stable Diffusion AI 图像生成
Stable Diffusion 已经发展到可以生成以假乱真图像的程度，无论是 AI 作画还是照片生成都已经可以生成得很精细，本文记录使用过程。 本文记录在 Windows 11 下安装、配置、运行 Stable-diffusion 的流程 过程中经常需要访问境外的网站，需要访问国外网站。 webui-user.bat 文件，我在过程中遇到很多问题，没有问题的同志可以跳过这一节 安装 CUDA 11.7 下载链接：https://developer.nvidia.com/cuda-11 CLIP 安装 CLIP 仓库链接 stable-diffusion-stability-ai 仓库地址： https://github.com/Stability-AI/stablediffusion LoRA（Low-Rank Adaptation of Large Language Models）粗略地讲就是利用少量的图像来对 AI 进行额外学习训练，并在一定程度上控制结果。
2.7K00编辑于 2023-03-28 今日 AI 热点速读（2026-03-11）
来源：HackerNews,Engadget,FastCompany|编译日期：2026-03-11今日概览今天我们共扫描了3个外媒来源，经过自动去重与筛选，为你保留了3个最值得关注的独立AI事件。 随着大模型能力的提升，开发者的关注点正在从“如何让AI回答问题”转向“如何让AI替我干活”。这篇热帖探讨了构建能够在后台持续运行、甚至在用户睡觉时自动执行复杂任务的AIAgent。 这类行业动态的价值不仅在于技术本身的实现，更在于它向我们揭示了市场下一步的真正需求——从被动的“对话式AI”向主动的“自动化行动AI”演进。 原文：Engadget3.告别“搬砖”：谷歌Gemini深度整合进Docs与Sheets来源：FastCompany除了浏览器，谷歌在生产力工具上的AI布局也在提速。 后续我们可以优先盯住两类变化：一是大平台AI功能的渗透率与用户留存情况，二是当AI代理开始自动执行任务时，随之而来的数据隐私、合规约束以及全新的交互模式。
26510编辑于 2026-03-11AI日报 - 2025年3月11日
AI日报 - 2025年3月11日 今日概览（60秒速览） ▎ AGI突破 | OpenAI发布神秘预告引发AGI猜测 中国AI代理「Manus」实现50项任务自动化引伦理争议 ▎ 商业动向 | Turing Institute举办AI伦理保障平台在线研讨会 美国拟对低质量生成AI工具启动多重调查 ▎ 技术趋势 | 小模型突破：Qwen2.5-Math-7B实现高精度数学推理 Diffusion 客服公司Moveworks ⚡ 近五年AI领域最大并购案，估值较去年增长400% 行业影响： ▸ 加速企业级AI解决方案市场整合 ▸ 预示RPA+LLM技术融合进入商业化深水区 "这将重新定义企业智能自动化边界 团队将保留独立运营权1.2 OpenAI全模态支持引发AGI猜想#新模型 #OpenAI #AGI | 影响指数：★★★★☆ 核心进展：OpenAI预告将推出ChatGPT全模态支持版本 ⚡ 可能整合文本 行业影响： ▸ 学术出版规范面临重大挑战 ▸ 催生AI内容检测技术新需求 "必须建立AI时代的学术诚信新范式" - NeurIPS程序主席undefined Scale AI发布MASK基准测试评估
67500编辑于 2025-03-10- 来自专栏代码日志
2026年03月11日 AI早报
> 来源：我是AI Karpathy推出AgentHub：构建AI智能体专属协作平台 正文明：前特斯拉AI负责人Andrej Karpathy开源新项目AgentHub，打造专为AI智能体设计的极简协作平台 该平台基于Git架构，支持多Agent在同一代码库中提交与通信，目标是建立自治型AI研发社区，推动Agentic AI工程化落地。 > 来源：量子位 首个千万美金ARR的AI4S公司MetaNovas实现AI分子商业落地 正文明：MetaNovas成为全球首个达成千万美元年经常性收入（ARR）的AI for Science公司，其 Agentic AI平台MetAmigo完成从AI设计到合规备案的新分子全流程闭环。 双方将聚焦大模型基础设施与高效推理优化，加速AI在东南亚地区的产业化部署，进一步拓展英伟达在全球AI生态中的技术影响力。
53710编辑于 2026-03-16 - 来自专栏杨建荣的学习笔记
多套Oracle 10g整合迁移到11g的方案
在数据迁移中，除了跨平台，全量，增量数据迁移之外，还有一类会把已有的难度升级，那就是整合式迁移，比如原来有两个数据，迁移后是一个，类似这样的需求，如果再加上平滑升级数据库版本，那就值得我们好好想想方案了 而如果两个源库都很大，比如都是5T这样的级别，整合起来就是10T,这样的量级，给你一个小时搞定，而且还要做数据库的平滑升级，难度就相当大了。 我们来简单理一下时间主要都花在哪里了。 在整合式迁移中，物理一致性就很难实现，但是我们可以最大程度的实现。 然后是数据库升级的本质，本质上数据库升级就是数据字典升级，对于数据文件来说，简单来说，可以认为没有差别。 所以数据库从低版本升级到高版本，比如10g到11g,数据文件本质上是不变的，那么变化的是数据字典，我们就可以取长补短。我们只关注数据字典的这部分，迁移的时候就会有很明确的方向。 假设我们要迁移的数据库是peak,extradb,我们计划整合后的数据库为peak,那么在服务器上应该会有下面的实例，很明显有两个名为peak的数据库，因为ORACLE_HOME的不同，所以不会冲突。
1.4K30发布于 2018-03-21 - 来自专栏月色的自留地
从锅炉工到AI专家(11)(END)
语音识别 TensorFlow 1.x中提供了一个语音识别的例子speech_commands，用于识别常用的命令词汇，实现对设备的语音控制。speech_commands是一个很成熟的语音识别原型，有很高的正确率，除了提供python的完整源码，还提供了c/c++的示例程序，方便你移植到嵌入设备及移动设备中去。 官方提供了关于这个示例的语音识别教程。不过实际就是一个使用说明，没有对代码和原理做过多解释。 这个程序相对前面的例子复杂了很多，整体结构、代码、算法都可以当做范本，我觉得我已经没有资格象前面的
80470发布于 2018-06-20 - 来自专栏小巫技术博客
第11期·AI 工程化实践
每日AI知识点 · 第11期 ⚙️ AI 工程化实践 从 Demo 到生产系统的关键一跳 可靠性 ️ 可观测性 ️ 安全性 可扩展性 可维护性 ⚙️ 为什么需要 AI 工程化？ AI 工程化就是把 AI 应用从"能用"变成"好用、稳用、安全用"的系统工程，核心是解决五大挑战： Demo 阶段 ✗ 偶尔失败没关系 ✗ 不需要考虑安全 ✗ 可靠性：让 AI 系统永不宕机 AI API 不是 100% 可靠的——网络抖动、模型过载、配额耗尽都会导致调用失败。可靠性工程的核心是优雅地处理失败，而不是假装失败不会发生。 关键：建立"黄金数据集"，每次迭代都跑回归评估 ️ 安全性：防住 AI 系统的新型攻击 AI 系统引入了传统系统没有的新型安全风险。
17510编辑于 2026-04-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号